电力自动化设备
電力自動化設備
전력자동화설비
ELECTRIC POWER AUTOMATION EQUIPMENT
2012年
8期
130-134
,共5页
相关向量机%稀疏贝叶斯%支持向量机%核函数%变压器%故障诊断%分类
相關嚮量機%稀疏貝葉斯%支持嚮量機%覈函數%變壓器%故障診斷%分類
상관향량궤%희소패협사%지지향량궤%핵함수%변압기%고장진단%분류
分析并用典型数据分类算例验证相关向量机(RVM)在分类性能方面优于支持向量机(SVM),在此基础上以标准化的变压器主要特征气体含量为输入量,采用二叉树的分类方法建立基于RVM的变压器故障诊断模型.实例分析表明,同基于SVM的故障诊断方法相比,该方法可以取得与其相当甚至更优的故障诊断正确率,相关向量个数明显少于支持向量个数,诊断速度显著提高.
分析併用典型數據分類算例驗證相關嚮量機(RVM)在分類性能方麵優于支持嚮量機(SVM),在此基礎上以標準化的變壓器主要特徵氣體含量為輸入量,採用二扠樹的分類方法建立基于RVM的變壓器故障診斷模型.實例分析錶明,同基于SVM的故障診斷方法相比,該方法可以取得與其相噹甚至更優的故障診斷正確率,相關嚮量箇數明顯少于支持嚮量箇數,診斷速度顯著提高.
분석병용전형수거분류산례험증상관향량궤(RVM)재분류성능방면우우지지향량궤(SVM),재차기출상이표준화적변압기주요특정기체함량위수입량,채용이차수적분류방법건립기우RVM적변압기고장진단모형.실례분석표명,동기우SVM적고장진단방법상비,해방법가이취득여기상당심지경우적고장진단정학솔,상관향량개수명현소우지지향량개수,진단속도현저제고.
